M4DI

Notre système de recherche et de soin actuel génère une quantité massive de données pré-cliniques et cliniques, telles que des données omiques ou des bases de données biomédicales. Ces données multimodales nous offrent l’occasion sans précédent de faire progresser les connaissances en santé. Cependant, aucun jeu de données ne peut à lui seul rendre compte de toute la complexité des pathologies. En effet, les différentes modalités présentent des informations complémentaires : leur analyse conjointe devrait permettre de réduire le bruit expérimental et biologique, de mettre en évidence les signaux faibles et de fournir une image plus globale et pertinente des pathologies humaines.

Une autre problématique se pose alors : les ensembles de données biomédicales sont clairsemés et très hétérogènes. Ils manifestent en outre les problèmes classiques du big data : le nombre de variables est largement supérieur au nombre de patients ou d’échantillons. Ce problème est encore plus prégnant lorsque les analyses concernent peu de patients, par exemple pour les maladies rares ou la médecine stratifiée. L’intégration correcte d’ensembles de données hétérogènes reste donc un défi scientifique majeur. De nouveaux modèles et méthodes sont nécessaires pour in fine améliorer la compréhension des pathologies, les soins et la gestion de la santé.

L’objectif principal du projet « Méthodes et modèles pour l’intégration de données multimodales et multi-échelles (M4DI) » est de développer des méthodologies innovantes pour l’analyse intégrée de données biomédicales. 8 projets individuels de recherche regroupant des équipes interdisciplinaires autour de 8 doctorants seront déployés. Les étudiants mèneront leurs travaux dans un laboratoire d’accueil principal et effectueront un séjour de recherche de longue durée dans un laboratoire secondaire. Chaque projet individuel de recherche développera un aspect particulier de l’intégration de données multimodales, en travaillant sur différents types de données, différentes méthodes ou algorithmes, et différentes questions de recherche. Ces projets individuels seront organisés en trois task forces recouvrant les défis majeurs de l’intégration de données multimodales : intégration de données multi-omiques, utilisation de connaissances a priori et exploration des bases de données de santé. À celles-ci s’ajouteront des task forces transversales complémentaires dédiées à l’étude des biais, à l’interprétation des modèles et au benchmarking des méthodes. Tous les projets travailleront sur des cas d’usages médicaux concrets pour lesquels les données sont déjà accessibles aux équipes. Les projets produiront des publications scientifiques mais aussi des logiciels/packages et/ou des directives/protocoles. Un ingénieur sera également engagé pour aider à FAIRifier les résultats des projets et les diffuser dans la communauté.

L’ambition du projet « méthodes et modèles pour l’intégration de données multimodales et multi-échelles (M4DI) » est ainsi de proposer de nouvelles méthodologies capables de faire progresser les soins de santé et la prédiction de l’apparition des maladies en aidant au diagnostic et au pronostic, en fournissant des outils d’aide à la décision clinique, et/ou en identifiant de nouvelles voies thérapeutiques.